Oblicz zagregowany target
Załóż, że chcesz zbudować model predykcyjny wskazujący, którzy darczyńcy z największym prawdopodobieństwem przekażą darowiznę przekraczającą 50 euro w danym miesiącu.
Dana jest tabela bazowa basetable, która zawiera już po jednym wierszu dla każdego darczyńcy w populacji. Kolumna donor_id reprezentuje darczyńcę. Zgodnie z osią czasu, target powinien przyjąć wartość 1, jeśli darczyńca przekazał ponad 50 euro w styczniu 2017 roku, a 0 w przeciwnym razie.
Ramka danych pandas gifts_201701 zawiera wszystkie darowizny ze stycznia 2017 roku. W tym ćwiczeniu dodasz kolumnę z targetem do tabeli bazowej.
To ćwiczenie jest częścią kursu
Pośrednia analityka predykcyjna w Pythonie
Instrukcje do ćwiczenia
- Utwórz
gifts_summedzawierający dla każdego darczyńcy zgifts_201701sumę jego darowizn. - Na podstawie
gifts_summedwyznacz listętargetsz darczyńcami, którzy w okresie docelowym przekazali ponad 50 euro. - Dodaj kolumnę z targetem do tabeli bazowej.
- Oblicz i wyświetl częstość występowania targetu.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Sum of donations for each donor in gifts_201701
gifts_summed = ____.groupby("____")["____"].____().reset_index()
# List with targets
targets = list(gifts_summed["id"][____["____"] > ____])
# Add targets to the basetable
basetable["target"] = pd.Series([____ if donor_id in targets else ____ for donor_id in basetable["donor_id"]])
# Calculate and print the target incidence
print(round(____["____"].____() / ____(____), 2))